В России разработали нейросеть для распознавания древних водорослей

Ученые Института географии РАН в сотрудничестве с Центром технологий для общества Yandex Cloud создали нейросеть, способную определять виды диатомовых водорослей на микрофотографиях менее чем за 200 миллисекунд. Об этом сообщили в пресс-службе института. Об этом пишет портал ТАСС.

Система уже функционирует: исследователь может загрузить одну или несколько микрофотографий и получить определение вида. Если на изображении присутствует несколько створок, модель распознает и классифицирует каждую из них отдельно.

Диатомовые водоросли представляют собой одноклеточные организмы с кремниевым панцирем, который сохраняется в донных отложениях на протяжении тысяч лет после их гибели. Каждый вид водорослей требует определенных условий, таких как температура воды, кислотность и содержание питательных веществ. Анализируя видовой состав водорослей на различных глубинах, ученые могут восстановить историю озера и его климата, что называется диатомовым анализом.

В настоящее время палеогеографы выполняют этот анализ вручную, используя микроскоп с увеличением до тысячекратного. Они определяют от 500 до 600 створок на каждом микропрепарате, что требует от двух до восьми часов работы. В одной колонке донных отложений может находиться до ста таких препаратов, что делает подготовку одной реконструкции долгосрочным процессом.

Ранее у исследователей не было готового решения для этой задачи. Алгоритм DiatomNet, проверенный на собственных снимках, давал правильный ответ лишь в 30% случаев. Ученые решили собрать данные и обучить модели. Технологическим партнером проекта стал Центр технологий для общества Yandex Cloud.

Команда использовала два набора данных: открытый из базы Kaggle, содержащий около 2,2 тыс. изображений 51 вида водорослей, и закрытый набор Института географии РАН с примерно 1 тыс. изображений 46 видов, собранный при поддержке Российского научного фонда. Определение вида критически важно для проведения диатомового анализа.

Данные были размещены в Yandex Object Storage, а обучение проходило в Yandex AI Studio. Готовые архитектуры нейросетей дообучали на фотографиях диатомей.

Точность модели YOLOv11 на тестовой выборке института составила 75%, а классификатора DiatomNet на открытом наборе данных - 70%. Эти показатели являются промежуточными и будут пересчитаны после увеличения наборов данных. Модель лучше всего распознает крупные, целые и хорошо развернутые створки, в то время как повернутые или находящиеся на краю кадра она может пропустить в 10-20% случаев. Если вид неизвестен, сервис предлагает выбрать из уже известных видов.

По словам кандидата географических наук Анны Рудинской, работа с сервисом уже значительно быстрее, чем ручной анализ. Она также отметила, что полезно иметь возможность дообучать модель, указывая на пропущенные створки и их виды.

Следующим шагом станет проверка сервиса на целом микропрепарате, который будет изучен несколькими специалистами. Их результаты сравнят с ответами модели, что позволит оценить как точность сервиса, так и согласованность выводов экспертов. Как указано в материалах проекта, подобные исследования ранее не проводились.

Если точность будет подтверждена, результаты работы сервиса смогут быть использованы в научных публикациях. В будущем диатомовый анализ одной колонки отложений может сократиться с нескольких лет до нескольких месяцев. Команда также планирует пополнять обучающий набор реальными фотографиями и применять аугментацию для улучшения распознавания створок в различных ракурсах.